Evaluating the Robustness of Automotive Intrusion Detection Systems Against Evasion Attacks

Longari, Stefano;Noseda, Francesco;Carminati, Michele;Zanero, Stefano
2023-01-01

2023
CSCML 2023: Cyber Security, Cryptology, and Machine Learning
978-3-031-34670-5
978-3-031-34671-2
File in questo prodotto:
File Dimensione Formato  
On_the_Feasibility_of_Evasion_Attacks_against_CAN_based_Automotive_Intrusion_Detection_Systems.pdf

accesso aperto

Dimensione 335.62 kB
Formato Adobe PDF
335.62 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11311/1242818
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus 0
  • ???jsp.display-item.citation.isi??? ND
social impact